从再分析和观测数据学习热带气旋增强的随机微分方程模型

热带气旋是最具破坏性的天气灾害之一，但其风险评估受到相对较短的历史记录的限制。为了延长这些记录，研究人员通常使用简化的气旋增强模型生成大量合成风暴。然而，开发此类模型传统上需要大量的理论工作。在此，我们探索方程发现方法（一类旨在推断控制方程的数据驱动技术）是否可以加速简化增强模型的开发过程。利用观测风暴数据（IBTrACS）以及再分析数据（ERA5）中的环境条件，我们学习了一个描述热带气旋强度演化的紧凑随机微分方程。我们关注热带气旋，因为其动力学已被充分研究，并且存在一系列降阶模型，从而可以将学习到的模型与基于物理的对应模型进行直接比较。我们发现，学习到的模型模拟的合成热带气旋，其增强统计数据和灾害估计与观测结果一致，并且与领先的基于物理的热带气旋增强模型具有竞争力。我们的模型还再现了热带气旋已知的非线性动力学行为，包括随着内核通风增加而出现的鞍结分岔。这一结果表明，当方程发现方法直接应用于风暴强度时，不仅可以恢复真实的统计数据，还可以恢复具有物理意义的动力学结构。这些发现凸显了数据驱动方法在极端天气研究中补充现有理论和降阶模型的潜力。